← 研究動態
研究2026/06/21 下午04:00

K1528:免費 sentiment-beta proxy 沒有重現情緒 beta 溢酬

robustnessnull-resultFREDyfinancesentiment-betacross-sectionemotion-beta

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

K1528:免費 sentiment-beta proxy 沒有重現情緒 beta 溢酬

摘要

K1528 檢驗一個可重現、低成本的 market sentiment beta cross-section 版本:用 VIX optimism 與 Michigan Consumer Sentiment change 代理市場情緒 shock,再估計個股對情緒 shock 的 beta,最後比較高 beta 與低 beta 股票的月度報酬。

結論是 NULL。VIX optimism proxy 的 high-minus-low 年化報酬為 -9.51%,方向和情緒 beta premium 假說相反;UMCSENT change proxy 的 high-minus-low 年化報酬為 +0.67%,但 DM t=-0.18、Fama-MacBeth t=-0.29,經濟幅度與統計強度都不足。K1528 不能用來推翻 Hasan、Kumar、Taffler 的 proprietary emotion-index 結果;它只說明,免費 VIX/UMCSENT proxy 版本在固定大型股 universe 上沒有重現那個 premium。

K1528 high-minus-low annualized return and DM t summary

研究背景

Investor emotion beta 的主張很吸引人:如果某些股票對市場情緒改善更敏感,高 emotion-beta 股票理論上可能在 cross-section 中取得較高後續報酬。問題在於原始 emotion indicator 不容易用公開資料重建。K1528 因此採取較保守的研究設計:不宣稱 replication,只做 free-proxy falsification test。

兩個 proxy 分別捕捉不同層面的情緒變化:

Proxy定義直覺
VIX optimism-diff(log(VIX))VIX 下降代表恐慌緩和,數值越高表示市場風險情緒改善
UMCSENT changediff(UMCSENT) / 100Michigan consumer sentiment 的月度變化

方法與數據

項目設定
實驗 IDK1528
資料來源yfinance Adj Close(auto_adjust=False)與 FRED UMCSENT
期間2004-01-01 至 2026-06-14
Universe固定 52 檔美國流動大型股
月報酬列數269
Beta 估計rolling 60 個月,估計窗排除當月報酬
統計門檻Harvey threshold |t| > 3.0
Bootstrapmoving block,B=1000、block=6、seed=42

每個月先用歷史資料估計個股的 market beta 與 sentiment beta,再按 sentiment beta 排序成高低投組。報酬比較採 high-minus-low,並用 strategy DM、Fama-MacBeth cross-sectional slope 與 moving-block bootstrap 做推論。

這個設計有一個重要限制:universe 是固定的 current liquid large-cap list。固定清單避免動態成分股 membership 的 lookahead,但保留 survivorship bias。K1528 因此屬於 implementable pilot,不是 CRSP-grade cross-section replication。

核心發現

Proxy月數Median stocksHigh ann. retLow ann. retHigh-Low ann.DM tFama-MacBeth tBootstrap CI ann.Verdict
VIX optimism2105218.13%27.64%-9.51%1.90-2.13[-18.23%, 1.05%]NULL
UMCSENT change2085222.42%21.75%0.67%-0.18-0.29[-4.20%, 8.97%]NULL

1. VIX optimism proxy 方向反了

如果高 sentiment beta 股票應該取得 premium,high-minus-low 年化報酬應為正。VIX optimism proxy 的結果是 -9.51%。高 beta 投組年化報酬 18.13%,低 beta 投組年化報酬 27.64%。Fama-MacBeth slope 也為負,t=-2.13。

這個 proxy 給出的訊號指向低 beta 組在這段大型股樣本中表現更好,高情緒 beta premium 沒有出現。即便 high-low DM t=1.90 接近一般顯著門檻,仍未達 K1528 預先設定的 Harvey |t| > 3.0 門檻,且方向與研究假說相反。

2. UMCSENT change 方向正,但小到不能支撐策略結論

UMCSENT change proxy 的 high-minus-low 年化報酬為 +0.67%,方向符合 premium 假說。可是高 beta 投組年化報酬 22.42%,低 beta 投組 21.75%,差距很小。DM t=-0.18,Fama-MacBeth t=-0.29,bootstrap CI 也跨過 0。

以研究判定而言,這不是「弱但可用」的訊號。K1528 的 success criteria 同時要求方向為正、DM 過 Harvey 門檻、Fama-MacBeth slope 為正且 t 值過門檻;UMCSENT 只滿足方向,其他門檻都沒有過。

K1528 sentiment-beta long-short cumulative return

Lookahead 與實作完整性

Codex review 對 K1528 的 implementation integrity 給 PASS, empirical verdict 維持 NULL。主要防線如下:

  • Rolling sentiment beta 的估計窗為 60 個月,排除排序月本身的報酬。
  • 排序用已估出的 beta,月度 portfolio return 不回灌到同月 beta 估計。
  • yfinance 下載採 auto_adjust=False,程式明確選用 Adj Close。
  • 隨機流程固定 seed=42。
  • Bootstrap 設定為 B=1000、block=6。

這些防線讓 NULL 結果比較有解讀價值。若實驗輸出漂亮 premium,下一步會先懷疑 lookahead 或 universe bias;現在結果反而提醒我們,免費 proxy 的訊號強度不夠,無法直接承接 proprietary emotion indicator 的文獻結論。

實務意義

K1528 給後續研究三個約束。

第一,sentiment beta 不是只要換成 VIX 或 consumer sentiment 就會自然出現。VIX optimism 甚至產生反向 long-short 報酬。

第二,cross-section 的情緒研究需要更接近原始 construct 的資料。若要追 Hasan、Kumar、Taffler 的 emotion-beta premium,應該優先建立文字或情緒詞典型指標,而不是期待 VIX/UMCSENT 代理完整捕捉同一件事。

第三,固定大型股 universe 的 NULL result 不能外推到小型股、難套利股票或歷史成分股 universe。Baker-Wurgler 類型的 sentiment cross-section 文獻本來就常把效果放在難估值、難套利資產上;K1528 的大型股樣本是保守起點。

結論

K1528 的結論很窄,也很實用:在 2004-01-01 至 2026-06-14 的 yfinance/FRED 免費資料、固定 52 檔美國大型股 universe、rolling 60 個月 beta 設計下,VIX optimism 與 UMCSENT change 都沒有產生 robust sentiment-beta premium。

研究流程上,這是一個有價值的 NULL result。它把下一步問題縮小了:若 emotion beta 真的存在,關鍵可能在情緒指標建構、股票 universe、或原始文獻的資料處理細節;單靠免費市場恐慌與消費者信心 proxy,不足以支撐可交易的 cross-sectional alpha。

本文基於實驗 K1528(腳本:experiments/k1528/k1528.py,結果:experiments/k1528/k1528_results.json,審查:experiments/k1528/codex_review.md)。數據來源:yfinance Adj Close(auto_adjust=False)與 FRED UMCSENT;期間:2004-01-01 至 2026-06-14;樣本:52 檔固定美國流動大型股,269 個月度報酬列。

相關文章

先讀正式關聯,若無則使用標籤與主題相似度補齊

📄
K1884:拿 VIX1D 對照 SPY 同一天的已實現變異,年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異,平均是 SPY 盤中實際的 1.56 倍:這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事:VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示,這三個選擇造成的偏移,與要量的效果同一個量級;選錯任何一個,程式不會報錯,只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
→
📄
K1378:VIX 長期成分讓 SPY 波動預測勝過 GJR-GARCH,這個優勢在疫情窗外更穩定
做風險控管或選擇權定價的人,常要在兩種日頻波動模型之間取捨:只用報酬本身的 GJR-GARCH,或在 GARCH 之外加一個由 VIX 驅動的長期成分。後者多了一個外部變數要維護,值不值得,要看它的預測優勢從哪裡來。如果優勢只來自 2020 年那種市場崩跌的少數日子,平常用它就只是多背一個依賴;如果優勢出現在一般日子,它才是日常可用的改進。 K1378 用 SPY 的樣本外一步預測回答這個問題:A…
→
📄
K1862:HAR-RV 一個月波動預測的誤差,平均偏誤不隨波動水位變號,隨水位變寬的是誤差分布
用 HAR-RV 預測未來一個月波動的人,常會想加一層修正:波動很高時把預測往下調,波動很低時往上調,理由是 HAR 的均值回歸可能修正過頭。這層修正值不值得加,取決於 HAR 的誤差是否真的隨預測當下的波動水位系統性變號。 一般讀者版〈HAR 波動預測的誤差往哪邊偏:六成交易日高估,平均誤差卻幾乎是零〉處理的是整體偏誤。這篇處理條件結構:依預測當下的波動水位把樣本外日子分成五組,誤差的平均、中位…
→